近日,开源分布式深度学习平台Apache SINGA 3.2.0版本正式发布!在这个最新的版本中,新加坡国立大学的科研人员们在之前的版本上进行了以下改进:

第一,增加了更多的样例方便用户使用,例如可以支持cifar-10数据集。

第二,增强了分布式训练,改进了数据增强模块,新版本的SINGA能够实现更快的分布式训练。提高数据增强模块有利于丰富训练数据的分布、提高模型的泛化性能和鲁棒性、防止过度拟合等问题。同时也添加了设备同步,以便在分布式训练期间进行更精准的时间测量。分布式训练提高后,SINGA系统的容量更大,可用性和扩展性也更高,团队协作流程也得到了改善。

另外,研究人员在深度学习模型和计算内核中增加了对半浮点数的支持(fp16),使新版本的SINGA可以处理更大的数据集,也可以使用更少的存储和计算资源来获得性能。

新国大的科研人员们还更新了新的Open Neural Network Exchange (ONNX) API并相应地修复了ONNX示例,即DenseNet121, ShuffleNetv1、ShuffleNetv2、SqueezeNet、VGG19,并且添加了新的方法,可以调整图像的宽度和高度,还使用了Docusaurus版本控制来简化生成项目主页的过程。Singa 3.2.0版本在代码质量上也有显著提高,之前版本上的漏洞也得到了修复。

Apache SINGA项目始于2014年,由新加坡国立大学数据库系统实验室联合浙江大学和网易共同开发完成,SINGA是一个开源的分布式、可扩展的深度学习平台,它可以在机器集群上训练大规模的机器学习模型,尤其是深度学习模型。2015年,SINGA被Apache开源项目基金会的孵化器接受。2019年,Apache SINGA顺利毕业并成为Apache的顶级项目。

想要了解更多信息,请点击:

http://singa.incubator.apache.org/

分类: 新闻